Python RE表示单词的结尾\b是否有用

我理解\b可以表示单词的开头或结尾。何时需要\b来表示结束？我这样问是因为似乎总是需要有\s来表示单词的结尾，因此不需要有\b。就像下面的例子一样，一个用“\b”结束内部组，另一个没有，它们得到相同的结果

m = re.search(r'(\b\w+\b)\s+\1', 'Cherry tree blooming will begin in in later March')
print m.group()

m = re.search(r'(\b\w+)\s+\1', 'Cherry tree blooming will begin in in later March')
print m.group()

---

\s

只是空白。您可以在需要使用

\b

时使用非空白（标点符号等）的单词边界。如果您只匹配由空格分隔的单词，那么您可以使用

\s

；在这种情况下，您不需要

\b

import re

sentence = 'Non-whitespace delimiters: Commas, semicolons; etc.'
print(re.findall(r'(\b\w+)\s+', sentence))
print(re.findall(r'(\b\w+\b)+', sentence))

产生：

['whitespace']
['Non', 'whitespace', 'delimiters', 'Commas', 'semicolons', 'etc']

---

请注意，试图用

\s

捕捉单词的结尾，结果却丢失了大部分。

\s

只是空白。您可以在需要使用

\b

时使用非空白（标点符号等）的单词边界。如果您只匹配由空格分隔的单词，那么您可以使用

\s

；在这种情况下，您不需要

\b

import re

sentence = 'Non-whitespace delimiters: Commas, semicolons; etc.'
print(re.findall(r'(\b\w+)\s+', sentence))
print(re.findall(r'(\b\w+\b)+', sentence))

产生：

['whitespace']
['Non', 'whitespace', 'delimiters', 'Commas', 'semicolons', 'etc']

---

请注意，如果仅用

\s

捕捉单词结尾，结果会丢失大部分结尾。

考虑匹配单词“march”：

它可以出现在句子的结尾

>>> regex.search('I love march')
<_sre.SRE_Match object at 0x10568e4a8>

---

您可能会想，“但是我可以使用

r'\s+march\s+'

获得所有这些东西”，您是对的。。。区别在于什么匹配。使用

\s+

，您还可能在匹配中包含一些空格（因为这就是

\s+

的意思）。这会使某些事情变得更加困难，例如搜索一个单词并替换它，因为您可能必须设法使空格与以前保持一致。

考虑匹配单词“march”：

它可以出现在句子的结尾

>>> regex.search('I love march')
<_sre.SRE_Match object at 0x10568e4a8>

---

您可能会想，“但是我可以使用

r'\s+march\s+'

获得所有这些东西”，您是对的。。。区别在于什么匹配。使用

\s+

，您还可能在匹配中包含一些空格（因为这就是

\s+

的意思）。这会使某些事情变得更加困难，比如搜索一个单词并替换它，因为你可能必须设法使空格与以前保持一致。

这不是因为它在单词的末尾，而是因为你知道单词后面的内容。在您的示例中：

m = re.search(r'(\b\w+\b)\s+\1', 'Cherry tree blooming will begin in in later March')

m = re.search(r'(\b\w+)\s+\1\b', "Let's go to the theater")

…第一个

\b

是防止以

begin

中的

开始的匹配所必需的。第二个是多余的，因为您显式地匹配单词后面的非单词字符（
\s+
）。单词边界是指你不知道另一边的角色是什么，甚至不知道那里是否有角色的情况

您应该在正则表达式末尾使用另一个正则表达式。例如：

m = re.search(r'(\b\w+\b)\s+\1', 'Cherry tree blooming will begin in in later March')

m = re.search(r'(\b\w+)\s+\1\b', "Let's go to the theater")

如果没有第二个
\b
，您将得到剧院
的假阳性
 这不是因为它在单词的末尾，而是因为你知道单词后面是什么。在您的示例中：

m = re.search(r'(\b\w+\b)\s+\1', 'Cherry tree blooming will begin in in later March')

m = re.search(r'(\b\w+)\s+\1\b', "Let's go to the theater")

"I understand that \b can represent either the beginning or the end of a word. When would \b be required to represent the end?"

…第一个
\b
是防止以
begin
中的
开始的匹配所必需的。第二个是多余的，因为您显式地匹配单词后面的非单词字符（
\s+
）。单词边界是指你不知道另一边的角色是什么，甚至不知道那里是否有角色的情况

您应该在正则表达式末尾使用另一个正则表达式。例如：

m = re.search(r'(\b\w+\b)\s+\1', 'Cherry tree blooming will begin in in later March')

m = re.search(r'(\b\w+)\s+\1\b', "Let's go to the theater")

如果没有第二个
\b
，您将得到剧院
的假阳性

"I understand that \b can represent either the beginning or the end of a word. When would \b be required to represent the end?"

\b
永远不需要表示单词的结尾或开头。为了回答更大的问题，它只在开发过程中有用——在使用自然语言时，最终需要用其他东西替换
\b
。为什么?

\b运算符与您发现的单词边界相匹配。但这里的一个关键概念是，“单词是什么？”答案是非常狭窄的集合
[a-Za-z0-9.]
——单词不是自然语言单词，而是计算机语言标识符。形式语言的解析器存在\b运算符

这意味着它不处理常见的自然语言情况，如：

如果“\b”代表一个单词的边界，那么单词let's将变成两个单词“let”和“s”。也要考虑像先生和夫人那样失去他们的时期。< /P>
同样，如果“\b”代表一个单词的开头，那么在这些情况下，appostrophe将丢失：“twas”bout“cause”

连字符的单词在“\b”手上也会受苦，例如岳母（除非你想让她受苦。）

不幸的是，您不能简单地通过在字符集中包含它来扩充
\b
，因为它不代表字符。您可以在零宽度断言中通过交替将其与其他字符组合

当使用自然语言时，
\b
操作符非常适合快速原型化想法，但最终可能不是您想要的。同上，但是，因为它代表一个字符，所以它更容易扩充

\b
永远不需要表示单词的结尾或开头。为了回答更大的问题，它只在开发过程中有用——在使用自然语言时，最终需要用其他东西替换
\b
。为什么?

\b运算符与您发现的单词边界相匹配。但这里的一个关键概念是，“单词是什么？”答案是非常狭窄的集合
[a-Za-z0-9.]
——单词不是自然语言单词，而是计算机语言标识符。形式语言的解析器存在\b运算符

这意味着它确实如此